analyse de la texture des images mammaires par une fusion des lois de zipf et des filtres gabor dans un processus de classifiecation des tumeurs mammaires
No Thumbnail Available
Date
2020-09
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
universty of elouedجامعة الوادي
Abstract
"بالنظر إلى صعوبة نمذجة الهياكل المعقدة للصور عبر العلاقات الخطية البسيطة؛ يمكن أن تكون العلاقات اللاخطية بديلاً. بهذا المعنى، تستند مشكلة البحث لدينا على الهدف النهائي للمساهمة بتقنية قوية لتحليل وتوصيف النسيج داخل صور الثدي أثناء عملية تصنيف الورم. في الواقع، تكمن المصلحة الرئيسية لنهجنا في تحليل النسيج، سواء في المجال المكاني (قوانين القوة: زيب اف وزيب اف العكسي) وفي مجال التردد (مرشحات غابور ). تستخدم المناهج الإحصائية الخصائص التي تحكم توزيع وعلاقات مستويات الرمادي في الصورة. من ناحية أخرى، تولد الأساليب القائمة على التحويل خصائص نسيجية في ترددات واتجاهات مختلفة.
بعد ذلك، سنقوم بتدريس خوارزميات التعلم الآلي في مناطق الاهتمام مقسمة ومُصنفة إلى فئتين: الأورام الخبيثة والحميدة للعثور على أفضل الفرضية التي ترسم بيانات الإدخال إلى الناتج المطلوب. في النهاية، سنقوم بتنفيذ هذا النهج من خلال تقنية للمساعدة في التشخيص الطبي لسرطان الثدي بمساعدة الكمبيوتر، والتي ستكون بمثابة رأي ثانٍ لأخصائي الأشعة، حيث تم الحصول على نتائج مرضية."Vu la difficulté de modéliser les structures complexes des images via de simples relations linéaires; la non-linéarité pourrait être une alternative. Dans ce sens, notre problématique de recherche est fondée sur un ultime but de contribuer une technique robuste d’analyse et de caractérisation de la texture au sein des images mammaires durant un processus de classification de lésions. En effet, l’enjeu majeur de notre approche réside dans l’analyse de la texture, à la fois dans le domaine spatial (les lois puissance : Zipf et de Zipf inverse) et dans le domaine fréquentiel (les filtres de Gabor). Les approches statistiques utilisent les propriétés qui régissent la distribution et les relations des niveaux de gris dans l'image. D’autre part, les méthodes basées transformation génèrent les caractéristiques de texture à différentes fréquences et orientations.
Par la suite, nous ferons apprendre les algorithmes d’apprentissage automatique sur des régions d’intérêt segmentées et étiquetées en deux classes : tumeurs malignes ou bénignes et tissu normal ou tumeur ; pour trouver la meilleure hypothèse qui mappe les données d'entrée à la sortie souhaitée. Eventuellement, nous implémenteront cette approche via une technique d’aide au diagnostic médical du cancer du sein assisté par ordinateur (CAD), qui servira comme un deuxième avis aux radiologues, où des résultats satisfaisants ont été obtenus.
"
"
Description
mémouer de fin master infourmatique
Keywords
تحليل الصور، رؤية الكمبيوتر، التصوير الشعاعي للثدي، الورم، قانون زيب اف، قانون زيب اف العكسي، مرشحات غابور، التعلم الآلي، التصنيف., Analyse d’images, Vision par ordinateur, Mammographie, Tumeur, CAD, Loi de Zipf, Loi de Zipf inverse, Filtres de Gabor, Apprentissage automatique, Classification.